我对在训练阶段如何使用验证集感到困惑(像CNN这样的神经网络)？在Matlab或python(Keras)这样的平台中，我将数据集分为训练集、验证集和测试集。我知道验证集用于调优超参数(如神经元数目和学习速率)，假设使用SDG优化器，如何根据验证集进行调优？验证集是否只是给出了神经网络对不可见数据(验证集)表现的指示，然后基于此我手动设置了超参数？还是自动(优化器)调优超参数？
浏览 0提问于2020-07-19得票数 2
回答已采纳
1回答
超参数整定与正则化
、、、、
在设计神经网络的体系结构时，是否应该考虑增加正则化(如Dropout、L1/L2等)即使在使用超参数调优优化问题之后？考虑到这两种方法都简化了问题，重点是什么(调优或正则化)来实现更多的泛化？
浏览 0提问于2022-12-08得票数 1
回答已采纳
像AWS这样的工具具有自动调整超参数的能力，即使使用Tensorflow的神经网络等复杂的algos也是如此。那么，我们是否还需要学习如何进行超参数调优，或者干脆把它留给像Sagemaker这样的工具呢？Thx
浏览 0提问于2020-11-14得票数 0
3回答
支持向量机( SVM )、射频( RF )和神经网络(XGboost)有很多种，而KNN则很少。但是还需要测试哪些参数呢？有好文章吗？
谢谢
浏览 4提问于2017-05-01得票数 0
回答已采纳
1回答
我运行lightGBM进行特征选择，并使用从lightGBM中选择的特性运行神经网络(使用Keras)模型进行预测。关于我所遵循的方法，我有几个问题。当使用lightGBM进行特性选择时，我正在进行超参数调优。这是基于我的理解，随着超参数的变化，所选择的功能也会有所不同。我使用'goss‘算法和’增益‘作为特征重要性类型。我看过几篇他们使用lightGBM进行特性选择的文章，但我还没有看到在哪里进行超参数调优，它们只是使用默认设置。这是正确的
浏览 7提问于2020-07-07得票数 2
1回答
我正在为波士顿数据集上的神经网络练习调整参数。我一直在犯一个持续的错误：
caret_control <- trainControl(method = "repeatedcv",
number =
浏览 0提问于2018-04-03得票数 1
回答已采纳
1回答
MXNet-Caret训练和优化
、、、、
我正在使用RStudio中的MXNet库来训练神经网络模型。 在使用插入符号训练模型时，我可以调优"momentum“参数(其中包括)。这与随机梯度下降优化器有关吗？
浏览 24提问于2019-02-03得票数 0
2回答
尽管做了/使用过几次，但我仍然对使用验证集进行超参数调优感到有点困惑。据我所知，我选择一个模型，对训练数据进行训练，对训练数据进行性能评估，然后对验证数据进行超参数整定评估模型性能，然后选择最佳模型并对测试数据进行测试。假设我认为神经网络和随机森林可能对我的问题有用。那么，为什么我不开始搜索一个一般的，例如，神经网络体系结构，随机森林体系结构，并从一开始，评估哪一个模型是最好的一小部分数据变化的所有超参数无论如何。基本上为什么要选择一个基于人的“猜测”来做训练
浏览 0提问于2022-05-28得票数 0
1回答
我正在训练一个神经网络机器学习模型，对如何调整超参数感到有点困惑。我认为培训过程如下：
有人告诉我，验证数据也被用来调优超参数。我不明白如何做到这一点，因为您在之后使用了验证数据，您已经构建了模型并对其进行了培训。我不能改变超参数，因为模型已经建立了。假设我有4个超<e
浏览 2提问于2016-08-02得票数 2
回答已采纳
1回答
基于神经网络的软件性能自动调优
、、、、
我目前正在测试两种不同消息传递系统的性能，并且有许多独立的调优和加载参数影响消息速率。我想开发一种自动化的方法，它可以在给定的硬件上产生每秒最大的消息。常数：
浏览 0提问于2014-03-20得票数 0
回答已采纳
如何利用MLPClassifier和skopt优化神经网络中的层数和隐层大小Space([Integer(name = 'alpha_2', low = 1, high= 2),(比方说超参数alpha_1和alpha_2)。使用sklearn中的神经网络实现，我需要调优hidden_laye
浏览 7提问于2020-04-29得票数 0
回答已采纳
1回答
我已经在MATLAB神经网络工具箱中创建了几个模型，它们有100个输入和10个输出，分别对应于不同的类。最后，NN给出了一个关于性能的图，这是一个数字。这一措施对应于什么？它是每个输出的误差总和吗？
浏览 14提问于2016-09-20得票数 1
1回答
我需要在离线设备中部署卷积神经网络模型。我知道我们可以使用来训练一个模型，调优超参数并部署它来进行预测。
浏览 2提问于2017-06-06得票数 2
回答已采纳
所以，我在这里的困境是，我在一个独立决策树分类器上执行了超参数调优，我得到了最好的结果，现在轮到独立的Adaboost，但是这里是我的问题所在，如果我在Adaboost中使用调优的决策树作为base_estimator，那么我只对Adaboost执行超参数调优，它会产生与尝试对未调优的Adaboost和未调优的决策树同时作为base_estimator执行超参数<
浏览 0提问于2021-09-15得票数 0
回答已采纳
2回答
我读过验证集用于超参数调整和比较模型。但是，如果我的算法/模型没有任何超参数呢？我应该使用验证集吗？因为比较模型也可以使用测试集来完成。
浏览 0提问于2019-03-03得票数 2
我目前正在训练一个强化学习智能体，使用100个隐藏元素的简单神经网络来解决2048游戏。我使用的是DQN的强化学习算法(即带有重放记忆的Q学习)，但使用的是两层神经网络，而不是深度神经网络。我怀疑我的代码中可能有三个错误来源:错误，参数调优不佳，或者我只是没有等待足够长的时间。
有没有什么方法可以找出代码出了什么问题？提高培训效果的最佳实践是什么？
浏览 0提问于2016-06-19得票数 0
2回答
tf-idf模型总是比卷积神经网络模型性能更好。事实上，tf-idf模型也比XGBoost模型执行得更好。
浏览 17提问于2018-03-05得票数 1
回答已采纳
1回答
作为其中的一部分，我有一个类表示我的调优参数。最后，我要检查所有的整定参数，并计算精度。例如，调优参数可以是k近邻的k值，从1到9。其次，我想为这个对象创建某种迭代器。方法getNextPair()应该返回下
浏览 5提问于2016-03-09得票数 0
回答已采纳
1回答
除了使用验证数据来调优超参数之外，将验证数据包含到模型中还有其他好处吗？那么，如果我们不调优超参数，那么验证集就没有意义了？
浏览 0提问于2020-02-28得票数 2
回答已采纳
1回答
我正在建立一个前馈神经网络与Py手电筒和做超参数调优使用射线调。我有培训，验证和测试集，培训和验证在培训过程中使用。我有不同版本的模型(不同的学习速度和隐藏层中神经元的数量)，我必须选择最好的模型。
浏览 0提问于2020-11-15得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
